يتوقع من سلاسل الإمداد الحديثة على نحو متزايد أن تحقق أهداف استدامة طموحة، غير أنها تعاني غالبًا محدودية الرؤية في علاقات المنبع والمخاطر البيئية وممارسات التوريد الأخلاقية، إذ تتوزع البيانات ذات الصلة على مصادر متفرقة وتشوبها فجوات تجعل الصورة الكلية لشبكة التوريد ناقصة، ومن هنا تبرز الحاجة إلى أدوات ذكاء اصطناعي قادرة على الاستدلال فوق البيانات الناقصة والمتناثرة واستنتاج العلاقات الغائبة وسمات الاستدامة، بدل الاكتفاء بما هو مسجل صراحة في قواعد البيانات التقليدية التي تعجز عن ربط الكيانات المتباعدة في شبكات متعددة المستويات
وتقدم الدراسة الراهنة مقاربة قائمة على الذكاء الاصطناعي لدعم صنع القرار الموجه نحو الاستدامة في سلاسل الإمداد من خلال إكمال الرسم المعرفي والتنبؤ بالروابط، وتقيمها على مجموعتي بيانات حقيقيتين لسلاسل الإمداد، بما يبين أن الذكاء الاصطناعي القائم على الرسوم يمكن أن يوفر أساسًا عمليًا لدعم قرارات سلاسل الإمداد بشفافية ووعي بالاستدامة في البيئات المعقدة شحيحة البيانات
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تقديم إطار يوظف إكمال الرسم المعرفي والتنبؤ بالروابط لدعم القرارات الموجهة نحو جدوى الاستدامة في سلاسل الإمداد، وقد بنى الباحثون رسمًا معرفيًا لسلاسل الإمداد متعدد العلاقات يلتقط كيانات وعلاقات غير متجانسة تشمل الموردين والمنتجات والشهادات والمواقع، وطبقوا الشبكات العصبية البيانية لاستنتاج الروابط المفقودة والسمات المرتبطة بالاستدامة، وبتمكين الاستدلال فوق البيانات الناقصة والمتناثرة يدعم الإطار قرارات موجهة نحو الجدوى مثل تحديد علاقات موردين بديلة وتقييم التوافق مع الاستدامة عبر شبكات متعددة المستويات، كما يدمج الإطار البنية العلائقية مع التعلم الاستقرائي ليقدم توصيات قابلة للتفسير في ظل عدم اليقين، مستندًا إلى التطورات الحديثة في الاستدلال بالرسوم المعرفية وتعلم الرسوم غير المتجانسة، ثم قوم الإطار على مجموعتي بيانات حقيقيتين لسلاسل الإمداد لإثبات قابلية تطبيقه في بيئات معقدة شحيحة البيانات
ثانيًا: أبرز النتائج
1. أثبت الإطار المقترح قابلية التطبيق على مجموعتي بيانات حقيقيتين لسلاسل الإمداد، بما يدل على صلاحيته للعمل في بيئات معقدة تتناثر فيها البيانات وتكثر فيها الفجوات
2. مكنت الشبكات العصبية البيانية من استنتاج روابط مفقودة وسمات مرتبطة بالاستدامة داخل الرسم المعرفي متعدد العلاقات، وهو ما يوسع رؤية متخذ القرار إلى علاقات المنبع التي لا تظهر في السجلات الصريحة
3. دعم الإطار قرارات موجهة نحو الجدوى مثل تحديد علاقات موردين بديلة وتقييم مدى التوافق مع الاستدامة عبر شبكات توريد متعددة المستويات، بدل الاقتصار على الموردين المباشرين وحدهم
4. قدم الإطار توصيات قابلة للتفسير في ظل عدم اليقين عبر دمج البنية العلائقية مع التعلم الاستقرائي، وأشارت النتائج إجمالًا إلى أن الذكاء الاصطناعي القائم على الرسوم يوفر أساسًا عمليًا لدعم قرارات سلاسل الإمداد بشفافية ووعي بالاستدامة
ثالثًا: دلالات الدراسة وتطبيقاتها
تفيد هذه النتائج مديري سلاسل الإمداد ومسؤولي المشتريات والاستدامة في الشركات التي تدير شبكات توريد واسعة، إذ تتيح لهم اكتشاف موردين بديلين عند تعطل العلاقات القائمة، وتقدير مدى اتساق الموردين غير المباشرين مع معايير الاستدامة والتوريد الأخلاقي رغم غياب بيانات صريحة عنهم، كما أن قابلية التوصيات للتفسير تمنح متخذ القرار أساسًا يمكن الدفاع عنه أمام الإدارة والجهات الرقابية، ويستطيع مطورو أنظمة دعم القرار البناء على هذا الإطار بتغذيته ببيانات الشهادات البيئية وسجلات الموردين والمواقع الجغرافية محدثة باستمرار، بحيث يتحول الرسم المعرفي إلى خريطة حية لشبكة التوريد تكشف مواطن الخطر والفرص البديلة فور تغير العلاقات أو ظهور مخاطر جديدة في أي مستوى من مستويات الشبكة المتعددة، وتفتح الدراسة بابًا لتوسيع مثل هذه الأطر نحو مخاطر بيئية واجتماعية أوسع كلما توافرت بيانات تربط الكيانات ببعضها في صور رسوم معرفية أغنى وأكثر اكتمالًا وتفصيلًا
وخلاصة القول إن إكمال الرسم المعرفي بالشبكات العصبية البيانية والتنبؤ بالروابط يقدم أساسًا عمليًا لدعم قرارات سلاسل الإمداد المستدامة، لأنه يستدل فوق البيانات الناقصة ويكشف العلاقات الخفية ويقدم توصيات قابلة للتفسير في بيئات معقدة شحيحة البيانات
